Anthropic의 공식 Claude Cowork 제품 가이드(2026년 6월)를 깊이 읽고 풀어냈습니다. 챗봇은 왜 '답변'에서 멈췄는지, ReAct·Toolformer·MCP·Computer Use로 이어진 4년의 연구가 어떻게 '일을 끝내주는 AI'로 수렴했는지 — 그리고 주간 보고 90분 중 80분을 잡아먹던 '찾는 시간'이 사라지는 7가지 실전 사례까지. 인터랙티브 데모와 함께 정리한 특집입니다.
매주 금요일, 주간 업데이트를 쓰는 데 90분이 걸립니다. 그런데 그중 80분은 글을 쓰는 시간이 아닙니다. Asana를 열어 이번 주에 끝난 일을 찾고, 데이터팀이 어디다 올렸는지 기억나지 않는 CSV를 뒤지고, Slack에서 차단 이슈 채널을 거슬러 올라가는 — 찾는 시간입니다.
Anthropic이 2026년 6월에 공개한 공식 가이드 「Claude Cowork Product Guide」는 바로 이 80분을 겨냥한 제품의 설명서입니다. 가이드의 마지막 장은 이렇게 요약합니다.
"주간 업데이트에 90분이 걸리고, 그중 80분은 무언가를 찾는 데 쓰인다. (...) 이건 당신이 채용된 이유가 아니다. 하지만 하루가 거기로 사라진다." — Claude Cowork Product Guide, "Upleveling your work" (2026)
이번 특집에서는 이 가이드를 꼼꼼히 읽고, 거기 담긴 내용 전부를 — 제품 매트릭스 표와 7가지 활용 사례, 프롬프트 예시까지 — 원문 그대로 인용하면서 풀어봅니다. 그리고 가이드가 말하지 않는 것도 다룹니다: 왜 2026년에 이런 제품이 나올 수밖에 없었는가. 그 답은 2022년의 논문 한 편까지 거슬러 올라갑니다.
2022년 11월 ChatGPT가 나온 뒤, 우리는 AI와 일하는 방식을 하나로 학습했습니다. 묻고, 답을 받는다. 가이드의 첫 문장이 정확히 이 지점을 찌릅니다.
"대부분의 AI 도구는 대화형이다. 채팅창에 질문을 던지면 답이 돌아온다. 그리고 그 답을 무언가로 만드는 일 — 덱, 문서, 스프레드시트, 발송된 이메일 — 은 여전히 당신 몫이다." — Claude Cowork Product Guide, "What is Claude Cowork?"
이게 무슨 뜻인지 구체적인 장면으로 바꿔보죠. 경쟁사 분석 보고서를 써야 하는 분석가가 있습니다.
답은 좋은데 일은 끝나지 않는 상태. 물류로 치면 '마지막 1마일(last mile)' 문제입니다. 그리고 이 마지막 1마일이 생각보다 큽니다 — McKinsey Global Institute의 고전적인 추정(2012)에 따르면 지식노동자는 근무 시간의 약 19%를 정보를 찾고 모으는 데 씁니다. 주 5일 근무라면 거의 하루입니다. 그로부터 14년이 지난 지금도 이 숫자가 크게 변하지 않은 이유는 간단합니다. 정보가 흩어져 있는 곳 — 메일, 메신저, 클라우드 문서, 로컬 폴더, CRM — 이 오히려 늘었기 때문이죠.
Claude Cowork의 정의는 이 문제에 대한 정면 응답입니다.
"Claude Cowork는 답이 아니라 일을 위해 만들어졌다. 당신 컴퓨터의 파일을 읽고 쓰고, 연결된 업무 앱을 사용하고, 여러 단계의 작업을 대신 수행하는 버전의 Claude다. 당신이 결과를 묘사하면("분기 기획 덱을 만들어줘", "이 다섯 개 벤더 제안서를 비교해줘") Claude가 단계를 계획하고, 실행하고, 파일과 도구를 가로질러 손에 잡히는 결과물을 전달한다." — Claude Cowork Product Guide
가이드는 이게 실제로 어떤 모습인지 네 가지로 약속합니다. ① 미루거나 건너뛰던 맥락 수집과 단순 작업을 대신해줘서 매주 몇 시간을 돌려받고, ② 우연히 열려 있던 탭 3개가 아니라 관련된 모든 것에 근거한 의사결정을 하고, ③ 그럴듯하게 지어낸 문장이 아니라 실제 파일과 메시지로 인용이 달린 결과물을 받고, ④ "해야 하는데"와 "끝났다" 사이의 거리가 — 특히 전용 도구를 만들 만큼은 아니었던 반복 업무에서 — 짧아진다는 것.
그런데 잠깐. "AI가 내 컴퓨터의 파일을 읽고 쓰고, 앱을 조작한다"는 건 2022년의 챗봇으로는 불가능한 일이었습니다. 이게 가능해지기까지 어떤 일이 있었을까요?
출발점은 2022년 10월, Yao et al.의 논문 ReAct: Synergizing Reasoning and Acting in Language Models(arXiv:2210.03629)입니다. 아이디어는 한 문장입니다. LLM에게 추론(Reasoning)과 행동(Acting)을 번갈아 시키자.
당시엔 "검색 API를 쓰는 챗봇" 정도의 데모였지만, 이 생각→행동→관찰 루프가 이후 모든 AI 에이전트의 심장이 됩니다. 오늘 Cowork가 폴더를 읽고, 계획을 세우고, 파일을 쓰고, 결과를 확인하는 그 루프가 바로 ReAct의 직계 후손입니다.
2023년 2월 Meta의 Toolformer(Schick et al., arXiv:2302.04761)는 한 발 더 나갔습니다. 언어 모델이 어디서 어떤 도구(계산기, 검색, 번역기)를 호출할지 스스로 학습할 수 있음을 보였죠. "도구 사용은 가르치는 게 아니라 모델이 익히는 능력"이라는 관점 전환입니다.
같은 해 봄, AutoGPT가 GitHub 스타 10만 개를 모으며 "자율 에이전트" 열풍이 불었습니다. 결과는… 솔직히 처참했습니다. 루프에 빠져 같은 일을 반복하고, 환각으로 없는 파일을 참조하고, 목표를 잊어버렸죠. 교훈은 분명했습니다. 모델 혼자로는 안 된다. 모델이 일할 수 있는 '작업 환경(harness)'— 안전한 파일 접근, 신뢰할 수 있는 도구 연결, 사람의 개입 지점 — 이 함께 설계되어야 한다.
2024년 Anthropic은 그 작업 환경의 두 기둥을 세웁니다.
2025년 2월에 나온 Claude Code는 이 모든 조각의 첫 번째 종합 증명이었습니다. 터미널에서 도는 에이전트가 레포를 읽고, 계획하고, 코드를 고치고, 테스트를 돌리고, 커밋까지 합니다. 개발자들 사이에서 폭발적으로 퍼졌죠. 그리고 2025년 10월의 Agent Skills — 작업별 노하우를 마크다운 플레이북으로 만들어 모델이 필요할 때 불러 쓰게 하는 체계 — 가 더해지면서, "에이전트에게 우리 팀의 일하는 방식을 가르치는" 인터페이스가 완성됩니다. (스킬 개념이 낯설다면 AI에게 스킬이 필요한 이유를 먼저 읽어보세요.)
그런데 여기서 흥미로운 일이 벌어집니다. 개발자들이 Claude Code로 코드가 아닌 일을 시키기 시작한 겁니다. 회의록 정리, 데이터 청소, 보고서 작성… "터미널"이라는 무시무시한 인터페이스만 견딜 수 있다면, 코딩 에이전트의 하네스는 모든 파일 기반 지식노동에 통했습니다.
그 관찰의 제품화가 Claude Cowork입니다. 2026년 1월 리서치 프리뷰로 첫 공개됐고, 이번 가이드 시점(2026년 6월)에는 macOS·Windows 데스크톱 앱에서 Pro·Max·Team·Enterprise 요금제 전체로 확대됐습니다. 본질을 한 줄로 줄이면 이렇습니다.
Claude Cowork = Claude Code의 에이전트 하네스 − 터미널 + 데스크톱 앱 + 지식노동자의 도구들(파일·메일·메신저·문서·브라우저)
2022년의 루프(ReAct), 2023년의 도구 학습(Toolformer), 2024년의 표준 연결(MCP)과 화면 조작(Computer Use), 2025년의 하네스 증명(Claude Code)과 노하우 체계(Skills). 4년의 연구가 하나의 데스크톱 앱으로 수렴한 것 — 그게 Cowork입니다.
가이드의 제품 개요 장은 Cowork를 이렇게 소개합니다. "Cowork는 일이 이미 살고 있는 곳에서 일을 만난다(It meets your work where it already lives)" — 로컬 파일과 폴더, Slack·Google Drive 같은 클라우드 앱, 그리고 Claude in Chrome을 통한 브라우저까지. Excel·PowerPoint·Word를 가로질러 작업하면서 맥락을 한 세션 안에서 이어갑니다. 분석과 그 분석을 발표할 덱이 한 호흡에 만들어진다는 뜻입니다.
가이드가 명시한 핵심 역량은 일곱 가지입니다.
여기에 일곱 번째이자 어쩌면 가장 실용적인 디테일: 스프레드시트와 슬라이드는 Claude for Excel·Claude for PowerPoint에서 열어 이어서 다듬을 수 있습니다. Cowork가 만든 산출물이 막다른 골목이 아니라, 기존 오피스 워크플로우에 그대로 합류한다는 얘기죠.
"그냥 Claude 챗에 물어보면 안 돼?" 가장 많이 나올 질문에 가이드는 표 하나로 답합니다. 아래는 가이드 6페이지의 제품 매트릭스를 그대로 옮긴 것입니다.
| 제품 | 적합한 일 | 주 사용자 | 실행 환경 | 예시 작업 |
|---|---|---|---|---|
| Chat | 채팅 인터페이스에서의 대화형 초안 작성·리서치·분석 | 누구나 | 브라우저, 데스크톱, 모바일 | "이 보고서를 요약하고 답장 초안을 써줘." |
| Claude Code | 레포 안에서의 에이전틱 코딩 — 빌드, 리팩터링, 테스트 | 개발자 | 터미널, IDE | "이 모듈을 리팩터링하고 테스트를 돌려줘." |
| Claude Cowork | 파일과 여러 도구를 넘나드는 크로스앱 지식노동 | 지식노동자 (분석가, PM, 오퍼레이터, 연구자, 마케터, 변호사) | Claude 데스크톱 앱 | "다운로드 폴더의 벤더 PDF 다섯 개를 읽고, 가격과 SLA로 비교해서 스프레드시트로 만들어줘." |
기준은 의외로 단순합니다. 대화가 산출물이면 Chat, 코드가 산출물이면 Code, 파일과 도구를 가로지르는 일이면 Cowork. 가이드는 베스트 프랙티스 장에서도 이 경계를 다시 강조합니다 — Cowork에 코딩 작업을 시키면 Claude Code 세션을 띄우라고 먼저 제안하고, 가벼운 질문이면 Claude.ai가 더 가볍다고요. 제품 스스로 자기 경계를 아는 셈입니다.
설치는 싱겁습니다. ① 데스크톱 앱 설치(macOS/Windows), ② 로그인(Team·Enterprise는 관리자가 조직에서 켜줘야 함), ③ 앱에서 Cowork 모드로 전환. 유료 구독(Pro·Max·Team·Enterprise)과 세션 중 인터넷 연결이 필요합니다.
진짜 흥미로운 건 첫 작업을 시작하기 전의 설계입니다. 가이드는 첫 세션에서 할 일을 네 가지로 안내하는데, 그 안에 이 제품의 권한 철학이 담겨 있습니다.
2023년 AutoGPT의 실패가 "고삐 풀린 자율성"이었다면, 2026년의 제품은 자율성과 개입 지점을 동시에 설계합니다. 작업 중에도 마찬가지입니다 — Cowork는 매 단계 무엇을 하는지와 그 이유를 보여주고, 방향이 틀렸다 싶으면 작업 중간에 끼어들어 경로를 수정할 수 있습니다. 지켜봐도 되고, 창을 닫고 끝났을 때 돌아와도 됩니다.
반복 설명을 없애는 두 단계 장치도 있습니다.
그리고 가이드의 첫 10분 조언은 단호합니다.
"장난감 프롬프트로 시작하지 마라. 진짜 작업 하나가 데모 열 개보다 Cowork의 강점, 약점, 필요한 맥락에 대해 더 많이 가르쳐준다."
기본 상태의 Cowork도 파일을 읽고, 샌드박스에서 코드를 돌리고, 웹을 브라우징하고, MCP 커넥터로 앱에 연결됩니다. 플러그인(Plugin)은 그 위에 얹는, 가이드의 표현으로는 "특정 직무를 위해 만들어진 사전 구축 툴킷"입니다. 내용물은 세 종류죠.
언제 플러그인이 필요할까요? 가이드의 판별 기준은 실용적입니다. 매 세션 같은 워크플로우를 다시 설명하고 있다면, 작업이 여러 도구를 순서대로 거친다면(CRM에서 뽑아 → Docs에 초안 → Slack으로 발송), 그 일에 "우리 팀의 정해진 방식"이 있다면 — 플러그인 감입니다. 반대로 "MEDDIC이 뭐야?" 같은 단발 질문은 그냥 물어보면 됩니다.
가이드의 예시가 그림처럼 명확합니다. 고객 성공(CS) 담당자의 갱신 미팅 준비 — Salesforce에서 계정을 당겨오고, 최근 Zendesk 티켓을 확인하고, 마지막 Gong 통화 3건을 훑고, 브리핑을 Google Doc에 떨어뜨리는 똑같은 의식이 매번 반복됩니다.
/prep-renewal Acme Corp직접 만들 수도 있습니다. 플러그인의 실체는 폴더입니다 — 스킬 파일(마크다운 지침), 슬래시 커맨드, 자기만의 컨텍스트가 필요한 작업을 위한 서브에이전트, 의존하는 MCP 서버 목록(매니페스트). 가이드의 조언: "대부분의 팀은 가장 반복적인 작업 하나를 스킬로 만드는 데서 시작해, 일이 충분히 커지면 서브에이전트를 더하는 식으로 키워간다." 조직 내부에만 둘 수도, 마켓플레이스에 공개할 수도 있습니다. (전문가의 암묵지를 스킬로 추출하는 방법론은 전문가 증류 — Colleague Skill에서 깊게 다뤘습니다.)
가이드의 백미는 활용 사례 장입니다. 일곱 가지 패턴을 "상황 → 무엇을 시키나 → 무엇을 받나 → 팁"의 같은 구조로 보여주는데, 등장인물(경쟁정보 분석가, 파트너십 리드, 엔지니어링 매니저, 비서실장, 마케팅 옵스, 재무 분석가)은 예시일 뿐 패턴은 어떤 직군에든 일반화된다고 못 박습니다.
아래 탐색기에서 일곱 사례를 직접 눌러보세요. 프롬프트는 가이드 원문을 옮긴 것입니다.
전부 좋지만, 특히 세 가지를 자세히 보겠습니다. 각각이 이 제품의 다른 면을 드러내거든요.
연휴에서 돌아온 비서실장 앞에 미읽음 메일 120통. 고전적인 해법은 규칙(rule)입니다 — "이 발신자는 중요, 이 도메인은 스팸". Cowork의 접근은 다릅니다.
여기서 두 가지가 중요합니다. 첫째, 가이드는 굵은 글씨로 약속합니다 — "Cowork는 매 발송 건마다 명시적 확인 없이는 절대 이메일을 보내지 않는다." 둘째, 팁이 본질을 찌릅니다.
"분류를 시작하기 전에 중요한 사람과 프로젝트를 간단히 알려줘라. '이사회나 세일즈 파이프라인 대시보드 관련은 전부 나에게 먼저 에스컬레이션'이라는 한 줄이, 카테고리 규칙만으로 하는 것보다 신호와 소음을 훨씬 정확하게 가른다. 그 맥락이 없으면 Claude는 발신자 도메인과 제목으로 중요도를 추측해야 하는데, 뻔한 경우엔 통해도 뉘앙스는 놓친다."
규칙은 "누가 보냈나"를 보지만, 맥락을 가진 에이전트는 "이게 지금 나에게 왜 중요한가"를 봅니다. 이게 30년 된 이메일 필터와의 차이입니다.
재무 분석가가 분석 도구 벤더 제안서 PDF 다섯 개를 받았습니다. 요청은 이렇습니다 — 각 제안서에서 가격, 구현 일정, 포함 사항, 추가 비용, SLA, 레퍼런스를 추출해 .xlsx 비교표와 "어느 두 곳을 숏리스트에 올려야 하는지" 추천문을 만들어 달라.
받는 것은 옵션당 한 행, 기준당 한 열의 스프레드시트와 추천 근거 글. 그런데 가이드가 굳이 명시한 디테일이 핵심입니다.
"어떤 제안서가 특정 기준에 대해 침묵하고 있으면, Cowork는 추측하는 대신 그 사실을 표기한다."
LLM의 고질병인 환각(hallucination)을 제품 레벨에서 어떻게 다루는지 보여주는 대목입니다. 빈칸을 그럴듯한 값으로 채우는 모델은 데모에서 멋있지만, 빈칸을 빈칸이라고 말하는 모델만이 실무에서 쓰입니다. 프로젝트 플랜 사례에도 같은 원칙이 반복됩니다 — "킥오프 노트가 모호했던 곳은 디테일을 지어내는 대신 플래그를 단다." 팁도 같은 결입니다: "'추측해야 했던 부분을 표시해줘'라고 명시적으로 요청하라. 다섯 개의 확인 질문을 미리 해소하는 게, 지어낸 디테일을 나중에 잡아내는 것보다 빠르다."
엔지니어링 매니저의 금요일 주간 업데이트. 내용의 출처는 매주 같습니다 — Asana 보드, 데이터팀이 발행하는 메트릭 CSV, Slack의 차단 이슈 채널.
~/Reports/weekly-template.md 형식으로 초안 잡아줘. 완료 항목은 내 Asana 'Done this week' 섹션에서, 핵심 지표는 ~/Reports/metrics.csv에서, 차단 이슈는 월요일 이후 #eng-blockers Slack 채널에서 가져와. weekly-update-2026-04-10.md로 저장."받는 것은 "진짜 파일과 진짜 메시지에 근거해, 템플릿 구조를 채운 초안". 그리고 팁이 이 사례의 진짜 펀치라인입니다 — "템플릿은 한 번 만들어 매주 재사용하라. 예약 작업(scheduled tasks)으로 매주 금요일 아침 Cowork가 초안을 자동으로 시작하게 해두면, 출근하면 초안이 기다리고 있다."
90분 중 80분이던 '찾는 시간'이 0분이 되는 순간이 정확히 여기입니다. 찾기는 예약된 에이전트가 끝내놓고, 사람은 남은 10분 — 판단과 다듬기 — 만 가져갑니다.
가이드의 표현이 재밌습니다. 아래 팁들이 "useful"과 "I can't believe how much time this saves me"를 가르는 차이라고요. 비결은 숨겨진 기능이 아니라 세 가지 습관입니다: 맥락을 앞에 싣고(front-load), 출력을 구체적으로 정의하고, 언제 멈추고 넘길지 안다.
가장 배울 게 많은 건 가이드가 영역별로 짝지어 보여주는 "덜 효과적 vs 효과적" 프롬프트입니다. 아래에서 토글하며 비교해 보세요 — 무엇이 추가됐는지가 핵심입니다.
네 쌍을 관통하는 패턴이 보이시나요? 효과적인 프롬프트는 전부 ① 어디서(소스), ② 무엇을(필터·기간), ③ 어떤 형태로(형식·분량·독자)를 지정합니다. 가이드는 출력 정의에 대해 이렇게까지 말합니다.
"'요약을 써줘'는 '권고로 시작하고 배경은 한 단락으로 줄인, 우리 프로덕트 VP를 위한 한 페이지 요약을 써줘'보다 10배 약하다."
나머지 조언들도 짧게 정리하면:
| 원칙 | 실천 |
|---|---|
| 제자리에서 반복하라 | 첫 초안이 80% 맞으면 처음부터 다시 시키지 말고 바꿀 점만 말한다. 대화를 기억하므로 재생성보다 수정이 빠르다. |
| 핸드오프 시점을 알라 | 레포 단위 프로덕션 코드는 Claude Code로(Cowork가 코딩 작업을 감지하면 먼저 제안한다), 가벼운 질문은 Claude.ai로. |
| 내보내기 전에 검토하라 | "Cowork는 일을 가속할 뿐 당신의 판단을 대체하지 않는다." 숫자·이름·인용·재무가 걸린 것은 반드시 직접 읽는다. |
| 데모 말고 실전으로 | 사소한 걸로 시험하고 싶은 본능을 참아라. 진짜 작업 1개 > 장난감 5개. |
| 스킬을 일찍, 자주 | 스킬은 산출물 품질을 실질적으로 끌어올린다. 반복 워크플로우가 있다면 커스텀 스킬 제작을 고려하라. |
가이드 한 권을 다 읽고 나면, 제품 설명서 이상의 그림이 보입니다. 세 가지를 짚고 싶습니다.
가이드 마지막 장의 문장이 이 변화를 가장 잘 요약합니다.
"Cowork가 당신의 폴더를 읽고 앱에 연결되고 나면, 수집(gathering)은 당신이 하는 일이 아니라, 당신이 자리에 앉을 때쯤 이미 끝나 있는 일이 된다. (...) 그리고 당신을 필요로 하는 일은, 이미 네 시간 동안 맥락을 사냥하느라 지치지 않은 버전의 당신을 만나게 된다."
산업혁명이 물리적 힘을, 컴퓨터가 계산을 직무에서 분리했듯, 에이전틱 AI는 정보 수집과 조립을 분리하는 중입니다. 2025년 OpenAI의 GDPval 같은 평가가 "실제 경제 가치가 있는 지식노동 과제"로 AI를 측정하기 시작했고, Anthropic의 Economic Index가 직군별 AI 사용 패턴을 추적하기 시작한 것도 같은 흐름입니다 — 벤치마크의 단위가 '문제'에서 '업무'로 바뀌었습니다.
챗봇 시대의 신뢰 문제는 "이 문장이 사실인가"였습니다. 에이전트 시대의 신뢰 문제는 "이 행동을 허락해도 되는가"입니다. 가이드 전반에 깔린 설계 — 옵트인 폴더 접근, 삭제 영구 확인, 발송 건별 승인, 모호함 플래그, 침묵의 표기, 출처 인용 — 는 전부 후자에 대한 답입니다. 흥미롭게도 이 안전장치들은 능력의 제약이 아니라 채택의 조건입니다. "절대 안 보낸다"는 보장이 있어야 비서실장이 인박스를 맡기고, "추측 안 한다"는 보장이 있어야 재무 분석가가 비교표를 믿습니다. 부록에 「Use Claude Cowork safely」(프롬프트 인젝션 방어, 예약 작업 주의사항, 민감 워크플로우 권고)가 별도 문서로 붙어 있는 것도 같은 맥락이죠.
Cowork에서 모델은 보이지 않습니다. 보이는 건 폴더 연결, 권한 모드, 스킬, 플러그인, 예약 작업 — 즉 하네스입니다. 그리고 같은 하네스를 쓰는 두 팀의 격차는 "누가 더 좋은 워크플로우를 스킬과 플러그인으로 부호화했는가"에서 벌어집니다. 가이드가 "가장 반복적인 작업 하나를 스킬로 만드는 데서 시작하라"고 권하는 이유입니다. 우리 팀의 암묵지 — 갱신 미팅은 이렇게 준비한다, 계약서는 이 조항부터 본다, 주간 보고는 이 순서로 쓴다 — 가 곧 설치 가능한 자산이 되는 시대. AI에게 스킬이 필요한 이유에서 다뤘던 그 방향이, 개발자 도구를 넘어 전사로 확장된 셈입니다.
가이드의 마지막 권유는 처음의 조언과 똑같습니다. "이번 주에 진짜 작업 하나를 골라 맡겨보라. 이 가이드의 습관들은 거기서부터 복리로 쌓인다." 90분짜리 금요일 보고가 있다면, 그게 좋은 첫 후보일 겁니다.
함께 읽기 · AI에게 스킬이 필요한 이유 — 스킬 개념의 원류 · 전문가 증류 — Colleague Skill — 팀의 노하우를 스킬로 만드는 법 · Knowledge Work를 위한 Codex — 같은 문제에 대한 OpenAI의 접근과 비교해보기
이 글은 Anthropic의 공식 문서 「Claude Cowork Product Guide」(eBook, 2026년 6월 5일 버전)를 기반으로 작성했으며, 표와 프롬프트 예시는 원문을 한국어로 옮긴 것입니다. 역사적 배경은 ReAct(Yao et al., arXiv:2210.03629), Toolformer(Schick et al., arXiv:2302.04761), Anthropic의 MCP·Computer Use·Agent Skills 공개 자료를 참고했습니다. 제품 사양과 요금제는 2026년 6월 기준이며 바뀔 수 있습니다.
